最小生成树(MST)
最小生成树(Minimum Cost Spanning Tree),简称 MST。 给定一个带权的无向连通图,如何选取一棵生成树,使树上所有边上权的总和为最小,这叫最小生成树。MST的特点:
1) N 个顶点,一定有 N-1 条边
2) 包含全部顶点
3) N-1 条边都在图中
5) 求最小生成树的算法主要是普里姆算法和克鲁斯卡尔算法(下篇文章讲)
MST的几个例子如图:
最小生成树常用于解决修路问题,而普里姆算法用来解决最小生成树问题,因此,下面先介绍修路问题的应用要求,再基于该案例,介绍普里姆算法。
修路问题介绍
1) 胜利乡有 7 个村庄(A, B, C, D, E, F, G) ,现在需要修路把 7 个村庄连通
2) 各个村庄的距离用边线表示(权) ,比如 A – B 距离 5 公里
3) 问:如何修路保证各个村庄都能连通,并且总的修建公路总里程最短?
思路:尽可能的选择少的路线,并且每条路线最小,保证总里程数最少.
上述问题就是最小生成树问题,我们下面用普里姆算法解决。
普里姆算法
普利姆(Prim)算法求最小生成树,也就是在包含 n 个顶点的连通图中,找出只有(n-1)条边包含所有 n 个顶点的 连通子图,也就是所谓的极小连通子图。
普里姆算法步骤
1) 设 G=(V,E)是连通网,T=(U,D)是最小生成树,V,U 是顶点集合,E,D 是边的集合
2) 若从顶点 u 开始构造最小生成树,则从集合 V 中取出顶点 u 放入集合 U 中,标记顶点 v 的 visited[u]=1
3) 若集合 U 中顶点 ui 与集合 V-U 中的顶点 vj 之间存在边,则寻找这些边中权值最小的边,但不能构成回路,将 顶点 vj 加入集合 U 中,将边(ui,vj)加入集合 D 中,标记 visited[vj]=1
4) 重复步骤②,直到 U 与 V 相等,即所有顶点都被标记为访问过,此时 D 中有 n-1 条边。
普里姆算法分析
通过上述流程,得到最终的最优修路方案如下:
根据上述分析,完成代码即可。
代码实现
package com.study.prim;
import java.util.Arrays;
/**
* @author 漂亮小小
* @version 1.0
*/
public class PrimAlgorithm {
public static void main(String[] args) {
//测试图的邻接矩阵输出
char[] data = new char[]{'A', 'B', 'C', 'D', 'E', 'F', 'G'};
int verxs = data.length;
//邻接矩阵的关系使用二维数组表示 10000表示不连通
int [][]weight=new int[][]{
{10000,5,7,10000,10000,10000,2},
{5,10000,10000,9,10000,10000,3},
{7,10000,10000,10000,8,10000,10000},
{10000,9,10000,10000,10000,4,10000},
{10000,10000,8,10000,10000,5,4},
{10000,10000,10000,4,5,10000,6},
{2,3,10000,10000,4,6,10000},};
//创建MGraph对象
MGraph graph = new MGraph(verxs);
//创建一个MinTree对象
MinTree minTree = new MinTree();
//minTree创建图
minTree.createGraph(graph, verxs, data,weight);
//输出
minTree.showGraph(graph);
//测试prim算法
minTree.prim(graph, 0);//0顶点代表'A'
}
}
//创建最小生成树
class MinTree {
//创建图的邻接矩阵
/**
* @param graph 图对象
* @param verxs 图对应的顶点个数
* @param data 图的各个顶点的值 A B C D E F G
* @param weight 图的邻接矩阵
*/
public void createGraph(MGraph graph, int verxs, char[] data, int[][] weight) {
int i, j;
for (i = 0; i < verxs; i++) {//顶点
graph.data[i] = data[i];//给顶点赋值 ABCDEFG
for (j = 0; j < verxs; j++) {
//初始化邻接矩阵
graph.weight[i][j] = weight[i][j];//邻接矩阵赋值为传入的值
}
}
}
//显示图的邻接矩阵
public void showGraph(MGraph graph) {
for (int[] link : graph.weight) {
System.out.println(Arrays.toString(link));
}
}
//编写方法,prim算法,得到最小生成树
/**
*
* @param graph 图
* @param v 表示起始顶点, 从v顶点开始生成最小生成树 'A'->0 'B'->1...
*/
public void prim(MGraph graph, int v) {
//visited[]数组,标记顶点是否被访问过 0默认未访问 1 访问
int[] visited = new int[graph.verxs];
//把当前节点标记为已访问
visited[v] = 1;
//h1 h2记录两个顶点的下标
int h1 = -1;
int h2 = -1;
int minWeight = 1000;//初始化权值,初始最大,遍历后被替换
for (int k = 1; k < graph.verxs; k++) {//生成 顶点数-1 个边
//确定每次生成的子图,和哪个节点的距离最近,
for (int i = 0; i < graph.verxs; i++) {//i节点表示 被访问过的节点
for (int j = 0; j < graph.verxs; j++) { //j节点表示还没有被访问的节点
//用if来限制 i已访问 j未访问,并确定权值是不是小的,并替换
if (visited[i] == 1 && visited[j] == 0 && graph.weight[i][j] < minWeight) {
//替换minWeight
//寻找已访问的节点 与 未访问的节点 之间 权值最小的值
minWeight = graph.weight[i][j];
h1 = i;
h2 = j;//记录新顶点下标
}
}
}
//退出该循环时,找到了最小的边
System.out.println("边<" + graph.data[h1] + "," + graph.data[h2] + "> 权值:" + minWeight);
//将当前找到的节点标记未已访问
visited[h2] = 1;
minWeight = 10000;//重置 便于下次寻找最小权值
}
}
}
class MGraph {
int verxs;//表示节点个数
char[] data;//保存节点数据
int[][] weight;//存放边,邻接矩阵
public MGraph(int verxs) {
this.verxs = verxs;
data = new char[verxs];
weight = new int[verxs][verxs];
}
}
结果: